Aux Philippines, l’IA veut améliorer l’alerte climatique
PAGASA a signé un accord avec deux entreprises autour du projet CLAIRE, destiné à la résilience climatique et à l’alerte précoce. Le partenariat est confirmé, mais aucune mesure publique ne démontre encore un gain de précision ou de délai.
Prêt à lire l’article.
Dans cet article
L’agence météorologique philippine PAGASA a formalisé le 28 octobre un partenariat avec la société sud-coréenne DI Lab et Skymap Global Philippines pour le projet CLAIRE, acronyme anglais de « Climate AI for Resilience and Early Warning ». Le programme veut utiliser l’intelligence artificielle et des technologies climatiques pour mieux gérer les risques et les alertes.
Ce que l’IA peut apporter
Une agence météo reçoit des images satellites, mesures de pluie, niveaux de rivières et prévisions numériques. Un modèle peut repérer des combinaisons annonçant une crue ou aider à classer les zones à surveiller. Il peut accélérer l’analyse lorsque les données arrivent en grand nombre.
Mais l’IA ne transforme pas une donnée absente en observation fiable. Un capteur en panne, une carte ancienne ou une zone mal couverte peut dégrader le résultat. Les phénomènes rares sont aussi difficiles à apprendre, car les exemples historiques sont peu nombreux.
Un accord n’est pas une preuve de performance
Le communiqué de PAGASA confirme le nom des partenaires et l’objectif général. Il indique que le projet est déjà mis en œuvre avec l’appui du programme Creative Technology Solution de KOICA. Il ne précise ni budget, ni provinces pilotes, ni méthode d’évaluation, ni date de mise en service publique.
Il faut donc distinguer trois niveaux : la coopération signée, les essais techniques et l’amélioration démontrée des alertes. Seul le premier est entièrement documenté dans l’annonce. Les entreprises partenaires ont intérêt à montrer que leur technologie fonctionne ; une évaluation par l’agence et des chercheurs indépendants sera nécessaire.
Le dernier kilomètre de l’alerte
Imaginons qu’un modèle signale une crue six heures plus tôt. Le bénéfice disparaît si le message ne parvient pas aux habitants, s’il n’est pas compris ou si aucun itinéraire d’évacuation n’est praticable. À l’inverse, trop de fausses alertes peuvent réduire la confiance et pousser les personnes à ignorer la suivante.
Les bons indicateurs ne se limitent donc pas à la précision technique. Ils incluent le délai gagné, le nombre de personnes jointes, les erreurs, l’accessibilité des messages, les exercices réalisés et les décisions prises par les autorités locales.
Une expérience à suivre depuis l’Afrique
De nombreux pays africains sont eux aussi confrontés aux inondations, sécheresses et réseaux d’observation incomplets. L’expérience philippine peut fournir des enseignements si les données, méthodes et limites sont publiées. Elle ne doit pas être copiée sans vérifier la qualité des capteurs, les langues des alertes et l’organisation locale de la protection civile.
Notre analyse : le projet sera utile si l’IA s’insère dans une chaîne complète, du capteur à l’action, avec un responsable humain et une procédure de secours. Le prochain jalon attendu est un protocole d’essai public comparant CLAIRE aux méthodes déjà utilisées.
Sources
- PAGASA — accord et objet du projet CLAIRE, 28 octobre 2026
- PAGASA — phase de pré-démonstration d’un système de prévision des crues avec KOICA, 19 octobre 2026
- Département philippin des Sciences — coopération régionale sur l’IA en santé, contexte de gouvernance, 9 octobre 2026
Sources consultées le 2 novembre 2026. Le partenariat est confirmé ; les performances et la couverture opérationnelle restent non vérifiables publiquement.